電力・ガス・水道のAI活用事例【2026年】需要予測・スマートグリッドの国内実例と導入コスト

電力・ガス・水道でAIの効果が最も大きいのは、「需要予測・需給計画」と「設備保全の優先順位付け（管路劣化診断・漏水検知）」の2業務です。どちらも効果をお金や調査距離で測りやすく、2026年は九州電力がAIによる需給計画最適化を本格運用に移し、水道でも衛星×AIの漏水調査で調査距離を約1/10にした自治体が出ています。

一方で、分野ごとの成熟度はかなり違います。電力は実用段階で、生成AIやAIエージェントを全社に広げる段階に入りました。水道はスマートメーターの普及率が0.06%（令和4年度末）にとどまり、AIより先にデータ基盤を整える段階です。さらに2026年は、AIが電力を大量に使う側（データセンター需要）でもあり、フロンティアAIによるサイバー攻撃から守る対象でもあるという論点が加わりました。

この記事でわかること

• 電力・ガス・水道で、AIが効く業務と効きにくい業務の違い
• スマートグリッドでAIが担う役割と、需要予測AIの限界
• 2026年に発表された国内の導入事例（効果の数値が公表されているかどうかも含めて）
• 導入コストの目安と回収期間を、導入形態別にまとめた表
• 2026年10月1日施行の重要インフラ統一基準など、業界ならではの規制・セキュリティ対応
• PoCで止まらないための、失敗しない進め方（5ステップ）

こんな方に向けた記事です

電力会社・新電力・ガス事業者のDX担当者、自治体の水道・上下水道部門、公益インフラ向けにAIソリューションを提案するSIer・ベンダーの方を想定しています。業界をまたいだ生成AIの活用事例をまず広く見たい場合は、生成AIのビジネス活用事例から読むと全体像をつかみやすくなります。

AIが最も効くのは「需要予測」と「保全の優先順位付け」

公益事業のAI活用で費用対効果がはっきり出ているのは、需要予測・需給計画と、設備保全で「どこから直すか」を決める業務です。生成AIによる問い合わせ対応や文書作成も効果は出ていますが、一般企業と同じ使い方なので、業界ならではの差がつくのはこの2つです。

逆に、制御系（発電・送配電・浄水の運転）にAIの判断を直接つなぐ使い方は、現時点ではまだ限られています。2026年に本格運用が始まった九州電力の需給計画最適化も、「日々の計画を作る」部分の自動化で、リアルタイム制御ではありません。

電力・ガス・水道でAI導入が進む3つの理由

出典: 関西電力送配電株式会社 公式サイト

公益事業がAIを入れる理由は流行ではありません。今の人員と予算では、インフラを同じやり方で維持できなくなったためです。

設備の更新が追いつかない

水道は今の更新ペースのままだと、全国の管路を更新し終えるまで100年単位の時間がかかります。「全部を更新する」前提が成り立たないため、限られた予算をどの管路に先に使うかを決める優先順位付けに、AIの需要が集まっています。電力の送配電網やガス導管も同じ状況です。

熟練者のノウハウが失われつつある

浄水場の薬品注入量の判断や、設備の異音診断は、熟練者の経験に頼ってきた業務です。これをAIで形式知にする取り組みは、効率化というより事業を続けるための代わりの手段として扱われ始めています。

再エネとデータセンターで需給が読みにくくなった

第7次エネルギー基本計画では、2040年度の電源構成を再エネ40〜50%程度と見込み、再エネを初めて最大の電源に位置づけました。天候で出力が変わる電源が主力になると、ルールベースの需給調整では対応しきれない場面が増えます。そこにデータセンター需要という新しい変動要因が重なったのが、2026年の状況です。

電力分野に絞った需給最適化と再エネ管理は、電力・エネルギーのAI活用事例で詳しく扱っています。

2026年の主な動き（時系列）

出典: 九州電力株式会社 公式サイト

2026年は、電力会社の発表が「PoCを始めた」から「本格運用を始めた」「事業に組み込んだ」に変わった年です。

電力分野のAI活用事例

電力は3分野の中でAI導入が最も進んでいます。需要予測・需給計画・設備保全はすでに実運用に入り、2026年は生成AIとAIエージェントを業務に組み込む動きが目立ちました。

出典: 関西電力株式会社 公式サイト

九州電力×グリッド：AIによる需給計画最適化（2026年4月〜本格運用）

九州電力は、グリッド社と共同開発した「AIを活用した需給計画最適化システム」の本格運用を2026年4月から始めました。原子力・火力・揚水を組み合わせた日々の需給計画づくりを自動化・最適化するもので、目的は燃料費の削減、計画を作る時間の短縮、担当者による品質のばらつきをなくすことの3つです。

• 効果の数値：燃料費の削減額などは公表されていません
• 読み取れること：熟練者の判断に頼っていた計画業務を、AIで標準化する方向に大手電力が本格的に踏み出した
• 類似事例：四国電力も同じグリッド社と組み、2022年7月から需給計画最適化システムを運用しています

出典：九州電力 プレスリリース（2026年4月22日）

需給予測・市場価格予測・再エネ出力予測

気象データ・過去の実績・カレンダー情報を組み合わせて、翌日〜数週間先の需要、JEPXの市場価格、インバランスの発生量を予測します。新電力にとっては調達コストに直結するため、投資効果を説明しやすい領域です。

再エネ出力予測では、大阪ガス（Daigasグループ）が全国約49,000件・合計35万kW超の太陽光発電所を対象にした発電量予測AIを運用し、2023年7月から電力事業者向けに外販しています。自社の需給運用で育てたモデルを、外部向けのサービスにした例です。

スマートグリッドでAIが担う役割

スマートグリッドは、スマートメーターや配電設備のセンサーで電力の流れを双方向に把握し、需要と供給をきめ細かく調整する電力網です。スマートグリッドが「データを集めて動かせる仕組み」だとすると、AIは「そのデータで判断する仕組み」にあたり、主に次の3か所で使われます。

一般送配電事業者による次世代スマートメーターへの置き換えも順次進んでおり、計量データの細かさや、ガス・水道の共同検針といった機能が加わります。スマートグリッドのAIは、こうしたデータの量と質が上がるほど精度を出しやすくなる領域です。

VPP（仮想発電所）は分散したリソースを1つの発電所のように動かす仕組みですが、実務ではAIの制御精度よりも需給調整市場の制度設計と系統の制約のほうが壁になっています。AIで最適化を考える前に、参加できる市場と接続できる系統があるかを確認する必要があります。

発電所の運転・保全と巡視点検ロボット

JERAは全国の火力発電所にデジタル発電所（DPP）を導入し、遠隔監視とディープラーニングの分析基盤「G-DAC」で運転と保全を高度化しています。発電所1カ所で40年間に約400億円規模のコスト削減を見込むとされます（業界メディア経由の値のため参考値です）。

九州電力は2026年9月、経済産業省・NEDOの生成AI開発支援事業GENIACの「ロボット基盤モデルの研究開発」に共同研究先として参加すると発表しました。実施者はFastLabelで、九州電力の火力発電所を実証の場にして、巡視点検などの業務をロボットで自動化できるかを検討します（期間は事業開始から1年）。

出典：九州電力 プレスリリース（2026年9月9日）

予知保全や劣化診断の手法は業種をまたいで共通です。手法の整理はインフラ・プラント保全のAI活用事例で解説しています。

東北電力：生成AIボイスボットとAI FAQ（2026年6月〜）

東北電力は2026年6月23日、音声認識とLLMを組み合わせたボイスボット「よりそうAIボイスボット」（RightTouchの「QANTスピーク」を採用）の提供を始めました。最初は、口座振替などの申込書を郵送してほしいという問い合わせから対応しています。先に導入していたAI FAQでは、電話の入電量が前年同期比で約20%減ったと公表しています。

出典：Impress DIGITAL CROSS（2026年6月23日）

東京電力パワーグリッド・関西電力送配電・九州電力：生成AIを全社で使う体制づくり

• 東京電力パワーグリッド：生成AIのPoC10件のうち約9割が本番導入に進む予定とされ、マニュアル検索の支援AIや、法令改正の影響範囲を洗い出すツールを開発しました。汎用の生成AIは2025年1月時点で全社員の40%が使い、1日あたり約0.5時間の効率化を実感していると紹介されています（出典：PwC Japan コラム（2025年8月））
• 関西電力送配電：「DX戦略2026」で、生成AIエンジニアを含む高度専門人財を4名から2027年度中に30名程度へ、推進人財を約150名から約1,800名へ増やす目標を公表しました。AIエージェントを小さく作って試す「Small Successプロジェクト」も始めています（出典：関西電力送配電 DX戦略2026（PDF））
• 九州電力×neoAI：2026年7月に資本業務提携。2023年度から社内で使ってきた部門特化型の生成AI（電力設備工事の仕様書作成など）を土台に、生成AIの活用モデルを共同で広げます（出典：九州電力 プレスリリース（2026年7月9日））

AIエージェントの基本的な仕組みと、業務に組み込むときの権限設計はAIエージェントとはで解説しています。

ガス分野のAI活用事例

ガス分野は東京ガスと大阪ガスの2社が中心です。保安や設備診断のAIと、全社での生成AI活用が並行して進んでいます。

大阪ガス：データ分析エージェントと、IBMとのAI駆動開発

大阪ガスは、BigQuery上のデータ基盤にGeminiベースのデータ分析エージェントを組み合わせ、エネルギー需要予測などの統計分析に使っています。

2026年6月8日には、グループのオージス総研・日本IBMと「AIを軸とした次世代ITシステム変革」の共創パートナーシップに合意しました。AIエージェントを使う業務を広げること、AIを使ったシステム開発（AI駆動開発）、人材育成が柱で、2026年度中にAIの適用範囲を広げる計画です。

出典：大阪ガス プレスリリース（2026年6月8日・PDF）

東京ガス：「AIネイティブ企業」を掲げた全社展開

• 生成AI基盤：生成AIチャットをグループ横断で提供し、3,500名以上が利用（公表時点の値）。独自アプリ「AIGNIS（アイグニス）」を業務に組み込んでいます
• PoCの進め方：3か月で20件を超えるPoCを回し、効果の出やすいパターンを見つけてから展開先を絞る方式です
• 設備側のAI：空調熱源機器の最適制御、LNG基地のポンプの故障判定、ガス漏えいの遠隔検知などに使っています

ガス分野でAIが効きやすい業務

水道分野のAI活用事例

水道は3分野で最もデジタル化が遅れています。国土交通省の調査では、水道スマートメーターを導入している事業者は59（全体の約1.6%）、台数は約3.3万台で、普及率は0.06%（令和4年度末）です。それでも、衛星データや既存の台帳だけで動くAIからは成果が出ています。

衛星×AIの漏水スクリーニング

衛星の観測データから漏水が疑われるエリアを絞り込み、その範囲だけを現地で調べる方法です。

• 豊田市：漏水調査の対象距離を従来の約1/10に減らしました。同じ人員で約10倍の範囲を調べられる計算です
• 福岡市水道局：衛星データによる広域調査と、IoTセンサーによる局所調査を組み合わせた仕組みを市内全域で導入しています

AI管路劣化診断で更新の順番を決める

管の材質・布設年・土壌・過去の漏水履歴をAIが学習して破損の確率を出し、更新の優先順位を付けます。「耐用年数を超えた順」から「壊れる確率が高い順」への切り替えです。

• 四日市市：AI診断の導入で、更新事業費を約半分に抑えたとされています
• 掛川市：市内全域の管路1,062kmを一括でAI診断しました
• 兵庫県朝来市：管路劣化診断に加え、管路台帳で足りない項目をAIで補い、市全域の水道事業を職員4名で運営しています

朝来市の例は、台帳が不完全でも「台帳の穴を埋めること自体をAIに任せる」という進め方ができることを示しています。

スマートメーターのデータは何に使われているか

東京都水道局は令和4〜6年度に約13万個のスマートメーターを先行導入しました。国土交通省が2026年3月に公表したガイドラインと導入事例集によると、導入した事業体の使い道は宅内漏水の検知が約51%、使用量の見える化が約31%、高齢者などの見守りが約8%とされています。導入の目的は需要予測ではなく、漏水と料金トラブルを減らすという足元の課題にあります。

なお、電力の次世代スマートメーターにはガス・水道の共同検針の機能があります。水道事業体が自前でメーター網を作らずに検針データを得る選択肢になり得ます。

上下水道DX技術カタログが222件に

国土交通省は2026年9月30日、「上下水道DX技術カタログ」に52件を追加し、掲載数を計222件に増やしました。AI・ドローン・非破壊の空洞探査を含むセンサー技術などが載っており、ベンダーを選ぶ際の最初の絞り込みに使えます。

出典：国土交通省 報道発表（2026年9月30日）

水道に特化した事例は水道事業のAI活用事例、自治体全体の生成AI活用は官公庁・自治体のAI活用事例にまとめています。

業務別のAI活用一覧（効果の数値が公表されているか）

自組織のどの業務にAIが効くかを判断するための一覧です。効果の数値が公表されている事例かどうかも載せています。数値がない事例は、再現性を判断する材料が少ないと考えてください。

AIは電力を「使う側」でもある：データセンター需要と省エネ規制

公益事業とAIの関係を考えるとき、AI自身が電力需要を押し上げている点は外せません。電力会社にとっては、AIで効率化する話と、AI向けの新しい大口需要にどう応えるかという話が同時に進んでいます。

出典: 電力広域的運営推進機関（OCCTO）公式サイト

OCCTOの需要想定：伸びるのは産業用だけ

OCCTOが2026年1月21日に公表した2026年度需要想定では、全国の最大需要電力は2025年度実績の158,815千kWから、2035年度に164,601千kWへ、年平均+0.4%の微増です。ただし用途別に見ると、家庭用は年平均▲0.6%、業務用は+0.1%、産業用だけが+1.7%と、中身は大きく入れ替わっています。

その産業用の伸びを支えるのが、データセンターと半導体工場です。OCCTOはこの2つを通常の回帰モデルではなく、個別に積み上げています。

半導体工場は2030年度前後で伸びが止まるのに対し、データセンターは2030年度から2035年度にかけてさらに約2倍に増える見通しです。

出典：OCCTO「全国及び供給区域ごとの需要想定（2026年度）」

需要予測AIだけでは、急な需要増に追いつけない

ここは導入判断で見落とされやすい点です。

• 大きな需要はAIで予測されていない：OCCTOはデータセンター・半導体工場の需要を、系統接続の申込状況と人の判断による補正で計上しています。前提が大きく変わる局面では、過去データを学習するAIは使いにくいためです
• 予測は毎年ぶれる：2026年度想定では、前年の想定に比べて2033年度までは下振れ、2034年度以降は上振れに変わりました
• 予測の外れは設備投資で吸収している：報道によると、大手電力8社はデータセンター向けに全国約30カ所で変電所の新増設や送電網の増強を進めており、そのペースは需要予測の約2倍です。接続まで最大10年程度かかるため、「予測が当たってから作る」のでは間に合いません

AIベンダーの提案を評価するときは、「精度が何%上がるか」だけでなく、予測が外れたときに誰がどう吸収するのかを確認してください。

世界のデータセンター電力消費は2030年に約2倍

IEAの「Key Questions on Energy and AI」（2026年4月）によると、データセンターの電力消費は2025年の約485TWhから2030年に約950TWhへ増え、世界の電力需要の約3%を占める見通しです。AI特化型のデータセンターは同じ期間で約3倍になるとしています。なお、Gartnerなど他の機関も予測を出していますが、データセンターの定義が違うため、数字を単純に比べることはできません。

電力会社がデータセンター事業に入り始めた（ワット・ビット連携）

経済産業省と総務省は、電力と通信のインフラを一体で整え、東京圏・大阪圏に集中するデータセンターを地方に分散させる「ワット・ビット連携」を進めています。2026年は実証の年で、九州電力のコンソーシアム（9者）が総務省の令和8年度実証に採択されました。オールフォトニクス・ネットワーク（APN）で九州内3拠点のデータセンターを1つのシステムとして動かす実証で、期間は2026年8月〜2027年2月です。

出典：九州電力 プレスリリース（2026年9月18日）

通信インフラ側のAI活用は通信・インフラのAI活用事例で扱っています。Googleが電力網の最適化にも使ったAIの研究例はAlphaEvolveとはが参考になります。

省エネ法のデータセンター業の措置（2026年4月施行）

2026年4月1日に省エネ・非化石転換法のデータセンター業に係る措置が施行され、4月10日にガイドラインが出ました。基準は2つあり、別々の制度なので混同しないよう注意が必要です。

導入コストの目安と投資回収の期間

公益事業のAI導入は個別見積もりが基本ですが、費用の内訳と回収期間の相場感を知っておくと、見積もりの妥当性を判断しやすくなります。次の表は一般的な目安で、公開価格ではありません。規模や既存システムによって大きく変わります。

導入形態別のコストと回収期間

見落としやすい費用

一般的に、公益事業のAI投資は回収まで2〜4年かかることが多く、業務系IT投資よりも長めに見ておく必要があります。単年度の予算だけで評価すると、ほぼ確実に「効果が出ていない」という結論になります。

使える補助制度・公的な支援

補助制度の要件は年度ごとに変わります。申請時点の公募要領を確認し、どの経費（ソフトウェア・導入作業・ハードウェア）が対象になるかを早めにベンダーと擦り合わせてください。

電力・ガス・水道のAI導入で押さえるべき規制・ガイドライン

出典: 国家サイバー統括室 公式サイト

公益事業のAI導入は、一般企業より守るべきルールが多い分野です。2026年は重要インフラのサイバー対策の統一基準が施行され、フロンティアAIによる脆弱性の大量発見が政府の対策課題になったことで、規制面の前提が大きく変わりました。

重要インフラ統一基準（2026年10月1日施行）

2026年7月31日に決定され、10月1日に施行されました。電力・ガス・水道を含む16分野が対象です。

• これまでは分野や事業者によって対策の水準がばらつき、対象となる事業者も特定されていませんでした
• 今後は所管省庁が「実施計画」で対象の事業者を名指しで特定し、PDCAで評価・改善していきます
• 経営層・CISO・システム担当を含む組織全体での対応、IT・OT・法務・広報の連携、サプライチェーンの対策が求められます

中小のガス事業者や水道事業体も、所管省庁の実施計画しだいで対象になり得ます。「うちは規模が小さいから関係ない」と決めつけず、実施計画が出た段階で確認しておく必要があります。

出典：国家サイバー統括室 重要インフラ防護、森・濱田松本法律事務所 ニュースレター（2026年9月4日・PDF）

Project YATA-Shield：フロンティアAI時代の脆弱性対策

2026年5月18日、国家サイバー統括室は「Project YATA-Shield」を始動しました。Anthropicが2026年4月に公表したClaude Mythos Previewのように、ソフトウェアの脆弱性を大量に見つけられるAIの登場を「未曾有の脅威」と位置づけた対策パッケージです。重要インフラ事業者には、経営層が主導する対策、基本的な防護の徹底、脆弱性を見つけてから直すまでのサイクルを速めることへの備えが呼びかけられています。

金融分野では金融庁と日本銀行が全金融機関に短期の対策9項目を求めましたが、電力・ガス・水道向けに同じような個別の要請が出ているかは、現時点で確認できていません。とはいえ、攻撃側が脆弱性を見つける速度が上がった以上、パッチを当てるまでの猶予は短くなると考えるべきです。OT資産の台帳を整え、修正の手順を見直しておく必要があります。

出典：ScanNetSecurity（2026年5月28日）、@IT（2026年5月20日）

Claude Mythosの性能と提供条件はClaude Mythosの解説、AIを防御側で使う国内の動きは富士通×Anthropicの戦略的提携やソフトバンク×OpenAI「Patching as a Service」が参考になります。

その他の業界固有の規制・ガイドライン

AIエージェントとOT（制御系）の権限設計

業務系の生成AIやAIエージェントは、読み取り専用の権限から始め、制御系のネットワークとは分けるのが原則です。AIエージェントに書き込みや実行の権限を与える場合は、人が承認するステップを必ず挟み、操作ログを残します。対策の全体像はAIエージェントのセキュリティ対策で整理しています。

失敗しない進め方（5ステップ）

公益事業のAI案件がPoCで止まる原因は、ほとんどが技術ではなく、データ・評価指標・運用予算の準備不足です。次の5ステップで進めると、つまずきやすい点を先に潰せます。

よくある失敗と対策

• データがないまま始める：台帳が紙とExcelに分かれた状態でモデルを作ると、データ整備だけで予算を使い切ります。足りない場合は、朝来市のように台帳の欠損を埋めること自体をAIの対象にします
• PoCを回すことが目的になる：東京ガスのように件数を多く回すなら、展開の判断基準を先に決めておくことが前提です
• 制御系にいきなりつなぐ：最初は人が判断を挟む「支援・提案」の運用から始め、精度と例外パターンを蓄積します
• AIが設備を直してくれると期待する：劣化予測は「どこから直すか」を決めるもので、更新工事そのものはなくなりません。四日市市の事業費圧縮も、更新の順番を最適化した結果です
• ベンダー任せで知見が残らない：最低でも「要件を書ける人」と「AIの出力が妥当か判断できる人」を社内に置きます。関西電力送配電が人財育成の目標を数字で出しているのは、この点を制度にした例です

AI導入をおすすめできる組織・慎重に進めるべき組織

積極的に進めたほうがよい組織

慎重に進めるべき組織

まとめ

• 電力・ガス・水道でAIが最も効くのは、需要予測・需給計画と、設備保全の優先順位付け（管路劣化診断・漏水検知）の2業務
• 電力は実用段階で、2026年は九州電力の需給計画最適化の本格運用、東北電力の生成AIボイスボット、関西電力送配電の人財育成計画など「事業に組み込む」動きが続いた
• スマートグリッドでのAIは予測・配電の運用支援・VPPが中心で、VPPは制度と系統の条件が先に壁になる
• ガスは東京ガス・大阪ガスが牽引し、大阪ガスはIBMとAI駆動開発に踏み出した
• 水道はスマートメーター普及率0.06%（令和4年度末）とデータが足りないが、豊田市（調査距離約1/10）や四日市市（更新事業費約半分）のように既存データで成果を出す例がある
• 導入コストはSaaSなら回収1〜2年、基幹業務の個別開発なら3〜5年が目安。データ基盤と運用の費用を見落とさない
• 2026年10月施行の重要インフラ統一基準とYATA-Shieldにより、AI導入とセキュリティ対策はセットで考える必要がある

他の業界の事例と比べたい場合は、生成AIのビジネス活用事例や、関連する電力・エネルギー、インフラ・プラント保全、水道事業のAI活用事例もあわせて確認してください。生成AIそのものの基本は生成AIとはで解説しています。

よくある質問（FAQ）

Q. 新電力がスマートグリッド関連のAIで最初に取り組むべきことは何ですか？

自社で抱える需要家の需要予測と、JEPXの市場価格予測から始めるのが現実的です。どちらも予測の誤差がインバランス精算額や調達コストとして毎月の数字に表れるため、効果を説明しやすく、SaaS型のサービスで小さく始められます。VPPやデマンドレスポンスは、参加できる市場の要件や需要家側の機器の対応状況に左右されるため、予測で成果を出してから検討しても遅くありません。

Q. 小規模な水道事業体でもAIを導入できますか？

できます。自前でシステムを開発するのではなく、管路劣化診断や衛星による漏水調査を委託型のサービスとして使う方法が現実的です。朝来市のように少人数で運営している事業体でも導入例があります。複数の事業体で共同発注したり、広域連携の枠組みで進めたりすると、費用と事務の負担を分けられます。

Q. 電力会社が生成AIを使う場合、どこまでの業務に使ってよいのでしょうか？

一般的には、文書作成、マニュアル検索、法令改正の確認、問い合わせ対応など、結果を人が確認できる業務から始めるのが安全です。系統運用や発電設備の操作など、誤りが供給停止や事故につながる業務では、生成AIは提案にとどめ、最終判断と操作は人が行う運用が前提になります。顧客情報を扱う場合は、学習に使われない契約形態や閉域環境を選ぶ必要があります。

Q. AI導入で電力会社の人員は減るのでしょうか？

現時点の公表事例を見る限り、目的は人員削減よりも「減っていく人員で業務を続けること」に置かれています。関西電力送配電のように、AIの活用を推進する人財を約150名から約1,800名へ増やす計画を出している事業者もあり、業務の中身が変わる方向と考えるのが実態に近いでしょう。

Q. AIベンダーを選ぶとき、何を確認すべきですか？

公益事業での導入実績、効果の数値を出せるか、OTとの分離やログ管理などのセキュリティ対応、運用・再学習の費用が見積もりに含まれているか、契約終了後にデータやモデルを引き継げるか、の5点は最低限確認してください。水道分野なら、国土交通省の上下水道DX技術カタログに載っているかも判断材料になります。